-
题名基于动态自适应层叠网络的轻量化图像超分辨率重建
- 1
-
-
作者
张法正
杨娟
汪荣贵
薛丽霞
-
机构
合肥工业大学计算机与信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第12期196-202,共7页
-
基金
国家自然科学基金(62106064)
国家重点研发计划(2020YFC1512601)。
-
文摘
轻量化超分辨率网络对安防监控、实时人脸识别等领域具有重要意义。然而,现有超分辨率重建网络以牺牲内存和计算成本为代价提高重建效果,从而限制其在实际场景中的应用。提出基于动态自适应层叠网络的轻量化超分辨率重建网络。利用双路残差块中的深度可分离卷积提取低频特征,并引入像素注意力机制获取更丰富的细节特征,以减少参数量并增强网络的重建能力。将双路残差块中的一部分卷积参数作为动态卷积核的子卷积,并与动态自适应模块共享,利用可学习参数调节共享卷积的权重,增强网络的非线性映射关系,充分提取图像的纹理细节信息。实验结果表明,相比VDSR、CARN、PAN等网络,该网络重建得到的图像纹理更接近原始图像,其参数量仅为传统轻量化网络CARN的1/2,在放大因子为4的Set5数据集上峰值信噪比相比CARN提高0.16 dB。
-
关键词
超分辨率重建
轻量化网络
动态自适应层叠网络
动态卷积
注意力机制
深度学习
-
Keywords
super-resolution reconstruction
lightweight network
Dynamic Adaptive Cascade Network(DACN)
dynamic convolution
attention mechanism
Deep Learning(DL)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
